Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Gaussian Process based Modeling and Control with Guarantees
Übersetzter Titel:
Gauß-Prozess basierte Modellierung und Regelung mit Garantien
Autor:
Beckers, Thomas
Jahr:
2020
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Elektrotechnik und Informationstechnik
Betreuer:
Hirche, Sandra (Prof. Dr.)
Gutachter:
Hirche, Sandra (Prof. Dr.); Pappas, George J. (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
MSR Meßtechnik, Steuerungs- und Regelungstechnik, Automation
Stichworte:
Gaussian Process, Safe learning control, Non-parametric systems, Data-driven control, Data-driven identification, Data-driven modeling, Safety guarantees, Bayesian approach, Bayesian guarantees
Übersetzte Stichworte:
Gauß-Prozess, datengetriebene Regelung, Lernende Regelverfahren, nicht-parametrische Modelle, Sicherheitsgarantien
TU-Systematik:
MSR 550d
Kurzfassung:
Data-driven approaches have led to very impressive results in many modern technologies. However, the application in control has so far been limited to non-safety-critical systems due to the unpredictable outcomes of these approaches. This thesis introduces formal safety guarantees for data-driven based control using Gaussian processes. We analyze the control relevant properties of Gaussian process models and propose a flexible Gaussian Process based control framework with stability and performan...     »
Übersetzte Kurzfassung:
Datenbasierte Verfahren haben in vielen technologischen Bereichen zu eindrucksvollen Ergebnissen geführt. Auf Grund des nicht vorhersehbaren Verhaltens datenbasierter Modelle, ist ihr Gebrauch jedoch bisher auf die Regelung von nicht sicherheitskritischen Systemen beschränkt. In dieser Arbeit werden formale Garantien für datenbasierte Regelung mittels Gauß-Prozess Modellen entwickelt. Dafür analysieren wir die regelungstechnischen Eigenschaften dieser probabilistischen Modelle und stellen ein da...     »
WWW:
https://mediatum.ub.tum.de/?id=1543599
Eingereicht am:
04.05.2020
Mündliche Prüfung:
11.12.2020
Dateigröße:
2957596 bytes
Seiten:
174
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20201211-1543599-1-9
Letzte Änderung:
18.02.2021
 BibTeX